# Kafka Topic分区数设置建议
#### 应用场景
Topic分区数是影响Kafka系统性能、吞吐量以及并行度的关键配置之一：分区数过少，会限制生产者的并发能力，还可能导致消费者出现空闲现象；分区数过多，则可能造成集群性能下降、监控统计间隔增长等问题。因此，为Topic设置合理的分区数至关重要。
#### Topic分区数设置建议
分区数的设置需结合集群规模、消费者数量及扩展性综合考量，以下针对这些因素提供具体设置建议：
表1分区数设置建议 
| 考量因素  | 设置建议                                                                                                                             |
|:---|:---|
| 集群规模  | 分区数建议设置为**Broker数量的整数倍**。 若设置不合理，可能导致各Broker上的分区数量不均，进而造成集群负载不均衡。                               |
| 消费者数量 | 分区数建议设置为**消费者数量或** **消费者数量的整数倍**。 一个分区只能由一个消费者消费，当分区数小于消费者数量时，会导致部分消费者空闲。                        |
| 扩展性   | 针对业务流量变化大的业务，分区数建议设置为**业务高峰期的** **消费者数** **量**。 临时新增分区难以快速解决已有分区的消息堆积问题，因此建议提前将分区数设置为业务高峰期的消费者数量。 |
   
#### 典型问题案例
表2典型问题案例 
| 问题现象                                                                                                                                      | 根因分析                                                                           | **处理建议**                                                        |
|:---|:---|:---|
| 使用ClickHouse消费Kafka，其中Topic分区数为12，ClickHouse节点数为10，ClickHouse表参数中已配置consumer_num=12（即10个节点共有120个消费者），问题现象为仅1个ClickHouse节点在消费，其余节点均处于空闲状态。 | 正在消费消息的12个消费者通过重平衡分配到了Topic的全部分区，且这些消费者均集中在同一个ClickHouse节点上，导致其他节点上的消费者无消息可消费。 | 分区数应大于或等于消费者数量，且建议配置为消费者数量的整数倍，以确保每个消费者能分配到等量的分区，从而实现各消费者的负载均衡。 |
| Topic分区数为3，随着业务流量增长将Kafka实例从3个Broker扩容至6个Broker，问题现象为新扩容的Broker上没有分区，业务仍集中在原有节点上。                                                         | 扩容后未增加分区数量，且未执行分区平衡，导致分区数仍分布在原有节点上。                                            | 分区数建议设置为Broker数量的整数倍，然后执行分区平衡，确保分区能够均衡的分布在每个Broker上。            |